UNIVERSIDAD CATLICA DE SANTA MARIA

FACULTAD DE CIENCIAS E INGENIERAS FISICAS Y FORMALES

INGENIERA INDUSTRIAL

PROYECTOS INDUSTRIALES

TEMA(S)

CDIGO

PRACTICA DOCENTE PRONOSTICOS

ALUMNO/AUTOR

2010220281 JONATHAN ARANA TACO

JAVIER PASTOR MAYHUIRE

2014 1

FIRMA

NOTA

1. Proyeccin por tasas.

Anos
1
2
3
4
5
6
7
8
9
10
11

C.Aparente % Crecim.
Proy. Aritm Proy.Geom. i
ig
7828
8476
8.28%
11855
39.87%
11419
-3.68%
14071
23.22%
14155
0.60%
16099.0667
13.73%
15420.40 15935.3529 0.16165049 0.12577555
17470.0381
8.52%
17477.58 18154.8367 0.17610004 0.12769498
18841.0095
7.85%
18847.47 19592.9577 0.17596244 0.12151774
20211.981
7.28%
20217.64 21027.4127 0.17585925 0.1160449
21582.9524
6.78%
21587.98 22458.5647 0.17577898 0.11115109

2. Proyeccin por tazas.

Ao

Dda. Potenc Balance

Cpc
Oferta Precio Poblacin (Cpc*pobl) (DdaPotencial -Oferta
2006
0.09
40
1
500
45
5
2007
0.09
45
1
510
45.9
0.9
2008
0.10
50
2
520
52
2
2009
0.10
56
2
531
53.1
-2.9
2010
0.11
61
3
541
59.51
-1.49

Proyectando la poblacin:
Tasa geomtrica
Pob 2007 = 500(1+0.02)1

Pob 2007 = Pob 2006 (1+1)n

Pob 2007 = 510

Proyectando el Cpc

Cpc 2012 = No (1+ iA*n) = Cpc 2012 = 0.09 * (1+ 0.055*5) = 0.11475

Proyeccin de precios:

P1 = P0 (1 + ti *n)
P2012 = P 2006 (1+ 0.03 *5) =

1.15

Proyectando la oferta

a=
b=
r=

35.58
0.1872
0.9307

3. Regresin Potencial.

70000
60000
50000
40000

y = 21717x0.5461
R = 0.9168

30000
20000
10000
0
0

Calcule A

21717

Calcule B

0.5461

coef. de determinacion

coef. de correlacion
0.9168

0.957496736

Error estandar
5648.430039

Las variables X y Y guardan alta relacin entre s, debido a que tanto el

coeficiente de determinacin como el coeficiente de correlacion se acercan a 1

5. Una empresa de manufactura ha recopilado la siguiente informacin sobre los volmenes

de produccin y costo total de uno de sus procesos

Volumen de produccin (unidades)

Costo total en miles de $

400
4

Promedio X
Promedio Y
Valor a
Valor b

575
5616.66667
1246.66667
7.6

450
5

550
5.4

600
5.9

700
6.4

Coef. Regr
0.9791271
Coef. Deter 0.95868988

Varianza de Grados de Varianza cuadrtica

cada comp. Libertad
media
0
1
0
0
1
0
194930000
2
97465000

Origen de la varianza
Explicado (Regresin)
Error
Total
800

y = 0.1031x
R = 0.9256

700
600
500
400

Series1

300

Linear (Series1)

200
100
0
0

2000

4000

6000

8000

750
7

Luego t =7.6/1.5776

4.81744422

5- Datos de poblacin infantil y demanda por distrito

Distrito
1
2
3
4
5
6
7
8
9
10
11
12

Pob. Inf. (x) Vtas un (Y)

14680
3845
22930
5450
16650
5099
35990
8890
32480
6681
38770
9678
10030
4542
24260
4557
52460
13289
36800
10506
17340
5134
43690
9066

Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones

0.933542294
0.871501214
0.858651335
1121.008547
12

Como vemos existe una gran relacion ya que el coeficiente de

determinacion y de correlacion son similares aproximadamente 0,87.

ANLISIS DE VARIANZA
Grados de libertad
Regresin
Residuos
Total

Intercepcin
Variable X 1

1
10
11
Coeficientes
1113.201397
0.212027806

Suma de cuadrados
Promedio de los cuadradosF
Valor crtico de F
85228887.3 85228887.3 67.8217468 9.1255E-06
12566601.61 1256660.16
97795488.92
Error tpico
Estadstico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%
809.9666902 1.37437923 0.19933934 -691.516854 2917.91965 -691.516854 2917.91965
0.025745915 8.23539597 9.1255E-06 0.15466233 0.26939328 0.15466233 0.26939328

6. Para la regin de El Paraiso se conocen los datos histricos de cinco (5) aos de la
produccin, importacin y exportacin de azcar ( en millones
de sacos de 50 kilos). Se pregunta cul es el consumo aparente y el consumo esperado para los
tres aos siguientes.

Ao
2007
2008
2009
2010
2011

Produccin Importacin Exportacin Consumo

Aparente
( P)
(I )
(E )
(CA)
12
4
2
14
15
3
4
14
16
2
3
15
18
6
3
21
20
3
5
18

25
y = 1.5x - 2997.1
R = 0.6048

20

15
Series1
Linear (Series1)

10

0
2006

2007

2008

2009

2010

2011

2012

7. Proyectar la demanda para los prximos cinco aos utilice todos los modelos disponibles en el
excel.
comente dos estadsticos importantes para dilucidar entre los modelos.

Metodo Reg
Lineal

Modelo
Y = a + bx
Y = a *e

Exponencial

(bx)

Potencial
Logartmico

Matemtico a

Y= a*X
Y = a + b(ln x)

b
-102.126

Coeficiente
R2
215.36
0.96

128.042

0.449

0.986

163.816
29.616

1.07
499.477

0.954
0.905

8. Explique los resultados de la regresin del siguiente cuadro, si la variable x corresponde al ao (1995
a 2010 ), donde 1995 =1, e
Y corresponde a las ventas en cantidades

Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.98039121
Coeficiente de determinacin R^2
0.96116
R^2 ajustado
0.958393
Error tpico
3868.84
Observaciones
16
ANLISIS DE VARIANZA
Regresin
Residuos
Total

Intercepcin (Valor de a)
Variable X 1 (Valor de b)

Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Valor crtico de F
1 5186668053 5186668053 346.517364
2.84E-11
14 209551844,2 14967988.9
15 53962219897
Coeficientes Error tpico Estadstico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%
6678.85
2028.841
3.29195
0.00534
3905.752 209.8177702
18.6149
2.84E-11